KANO模型使用说明

提示：本指南只针对KANO模型特有的内容进行描述，关于软件的通用操作流程（如文件上传、参数设置、结果下载等），请查看：通用计算说明

1. 方法概述

KANO模型是由日本质量管理专家狩野纪昭（Noriaki Kano）教授于1984年提出的一种对用户需求分类和优先排序的有效工具。该模型通过分析用户对产品功能或服务特性的满意度，将需求分为不同的属性类别，帮助企业识别哪些功能是必须提供的，哪些功能能够带来惊喜，从而优化资源配置和产品设计。

1.1 KANO模型的核心思想

KANO模型认为，产品或服务的质量属性与用户满意度之间并非简单的线性关系。不同的质量属性对用户满意度的影响方式不同：

有些属性必须具备，否则用户会非常不满
有些属性提供得越好，用户满意度越高
有些属性不提供不会引起不满，但提供后会带来惊喜
有些属性提供与否对满意度没有影响

1.2 KANO属性分类

KANO模型将产品或服务的质量属性分为六类：

属性类型	英文缩写	特征描述	策略建议
必备属性	M (Must-be)	必须提供，否则用户会非常不满；但提供了也不会提升满意度	必须满足，这是产品的基本要求
期望属性	O (One-dimensional)	提供越多，满意度越高；不提供，不满意度越高	尽可能提供，满足程度与满意度成正比
魅力属性	A (Attractive)	不提供不会引起不满，但提供后会大幅提升满意度	优先考虑，能带来差异化竞争优势
无差异属性	I (Indifferent)	提供与否对用户满意度没有影响	可以忽略，不必投入资源
反向属性	R (Reverse)	提供后反而会引起用户不满	应避免提供，可能是用户不需要的功能
可疑结果	Q (Questionable)	答题存在矛盾，需要核查数据	检查问卷设计或数据质量

1.3 Better-Worse系数

KANO模型还引入了Better系数和Worse系数来量化各属性对满意度的影响：

Better系数（SI，满意度提升指数）：
- 计算公式：SI = (A + O) / (A + O + M + I)
- 取值范围：0 到 1
- 含义：提供该功能对满意度提升的影响程度
- 解读：值越大，表示提供该功能对满意度提升越大
Worse系数（DSI，不满意度消除指数）：
- 计算公式：DSI = -(O + M) / (A + O + M + I)
- 取值范围：-1 到 0
- 含义：不提供该功能对不满意度的影响程度
- 解读：绝对值越大，表示不提供该功能会导致越大的不满

2. 数据文件格式

2.1 文件结构要求

KANO模型分析需要上传包含一个Sheet的Excel文件：

Sheet名称：原始数据
第一列：样本编号
后续列：按"指标名称-正"、"指标名称-反"成对出现

2.2 数据结构示例

样本编号	系统界面美观度-正	系统界面美观度-反	响应速度快-正	响应速度快-反	操作简便-正	操作简便-反
样本1	5	2	4	2	5	1
样本2	4	3	5	1	4	2
样本3	3	3	4	2	5	1
样本4	5	2	5	1	4	2
样本5	4	3	3	3	5	1

2.3 答案选项说明

KANO问卷一般采用5分制评分：

分值	含义	说明
1	不喜欢	非常不满意，完全不能接受
2	能忍受	可以容忍，勉强接受
3	无所谓	有没有都可以，无所谓
4	理应如此	应该有这个功能，符合预期
5	喜欢	非常满意，很喜欢

重要提示：数字越大代表越认可！

2.4 列名格式要求

正向问题列名必须以 “-正” 结尾
反向问题列名必须以 “-反” 结尾
正向和反向问题必须成对出现
列名中"-正"和"-反"前面的部分必须完全一致

正确示例：

系统界面美观度-正 / 系统界面美观度-反 ✓
响应速度快-正 / 响应速度快-反 ✓

错误示例：

系统界面美观度 / 系统界面美观度-反 ✗（缺少"-正"后缀）
响应速度快-正 / 响应速度-反 ✗（名称不一致）

3. 问卷设计指南

3.1 问题设计原则

KANO问卷的核心是成对的正向和反向问题：

1. 正向问题（功能性问题）

询问：如果具备某功能时的感受
格式：“如果[产品/服务]具有[某功能]，您会有什么感受？”
示例：“如果系统界面非常美观，您会有什么感受？”

2. 反向问题（非功能性问题）

询问：如果不具备某功能时的感受
格式：“如果[产品/服务]不具有[某功能]，您会有什么感受？”
示例：“如果系统界面不美观，您会有什么感受？”

3.2 问卷设计注意事项

问题对应：
- 每个功能必须有正向和反向两个问题
- 两个问题必须针对同一个功能特性
- 问题顺序必须一一对应
语言表达：
- 问题表述要清晰、具体
- 避免使用模糊或双重否定的表述
- 确保受访者能够理解问题含义
功能选择：
- 选择对用户有实际意义的功能
- 避免过于细节或过于宏观的功能
- 功能数量建议在10-20个之间
答案选项：
- 统一使用5分制
- 向受访者明确说明各分值的含义
- 确保受访者理解"数字越大代表越认可"

3.3 KANO分类对照表

根据正向和反向问题的答案组合，可以确定该功能的KANO属性：

	反向问题
正向问题	1分（不喜欢）	2分（能忍受）	3分（无所谓）	4分（理应如此）	5分（喜欢）
1分（不喜欢）	Q	R	R	R	R
2分（能忍受）	M	I	I	I	R
3分（无所谓）	M	I	I	I	R
4分（理应如此）	M	I	I	I	R
5分（喜欢）	O	A	A	A	Q

说明：

M（必备属性）：正向问题评分低，反向问题评分也低，说明必须提供
O（期望属性）：正向问题评分高，反向问题评分低，说明提供越多越好
A（魅力属性）：正向问题评分高，反向问题评分中等，说明提供会带来惊喜
I（无差异属性）：正向和反向问题评分都中等，说明提供与否无影响
R（反向属性）：正向问题评分低，反向问题评分高，说明不应提供
Q（可疑结果）：答题矛盾，需要核查

4. 使用步骤

4.1 步骤1：上传数据文件

上传包含"原始数据"Sheet的Excel文件，文件格式要求：

第一列为样本编号
后续列按"指标名称-正"和"指标名称-反"成对出现
数据为1-5的整数评分

4.2 步骤2：参数设置

结果保留小数位：

默认值：4
取值范围：1-10
控制Better系数和Worse系数的小数精度

4.3 步骤3：绘图设置

KANO四分图将各功能特性按Better系数和Worse系数绝对值定位在四个象限中：

图表类型：

点状图：使用散点表示各功能，适合功能较多时使用
块状图：使用彩色方块表示各功能，不同象限使用不同颜色

图像尺寸设置：

图形宽度：5-20（默认10）
图形高度：5-20（默认8）
图像DPI：100-600（默认300）

字体设置：

坐标轴标签字体：宋体、黑体、微软雅黑等
图例字体：宋体、Times New Roman、Arial等
坐标标签字体大小：8-30（默认14）
图例字体大小：8-30（默认13）
刻度字体大小：8-30（默认12）

坐标轴标签：

X轴标签：默认为"|Worse|"（Worse系数绝对值）
Y轴标签：默认为"Better"（Better系数）

点状图特有设置：

散点大小：5-50（默认10）
散点颜色：可选择预定义颜色或自定义

4.4 步骤4：查看结果

结果Excel文件包含以下Sheet：

KANO属性分类统计：
- 各功能特性的KANO分类计数（A、O、M、I、R、Q）
- 主要KANO分类（出现次数最多的类别）
- Better系数和Worse系数
<div style=“text-align: center;”> <img src=“/guide/figures/KANO/属性分类.png” width=“900” alt=“属性分类统计”> </div>
KANO属性分类百分比统计：
- 各功能特性的KANO分类百分比
- 便于比较不同功能的属性分布 <div style=“text-align: center;”> <img src=“/guide/figures/KANO/百分比统计.png” width=“900” alt=“百分比统计”> </div>
正向问题原始数据：
- 所有正向问题的原始评分数据
反向问题原始数据：
- 所有反向问题的原始评分数据
KANO四分图：
- 可视化展示各功能在Better-Worse坐标系中的位置

5. 结果解读

5.1 KANO分类结果解读

根据各功能特性的主要KANO分类，可以制定相应的产品策略：

必备属性（M）：

特征：必须提供，否则用户会非常不满
策略：必须满足，这是产品的基本要求
示例：手机的通话功能、电商平台的支付功能

期望属性（O）：

特征：提供越多，满意度越高
策略：尽可能提供，投入产出比较高
示例：手机的电池续航、物流的配送速度

魅力属性（A）：

特征：不提供不会不满，但提供会带来惊喜
策略：优先考虑，能带来差异化竞争优势
示例：手机的人脸识别、电商的智能推荐

无差异属性（I）：

特征：提供与否对满意度没有影响
策略：可以忽略，不必投入资源
示例：某些用户不关心的附加功能

反向属性（R）：

特征：提供后反而引起不满
策略：应避免提供，可能是用户不需要的
示例：过多的广告推送、复杂的操作流程

可疑结果（Q）：

特征：答题存在矛盾
策略：检查问卷设计或数据质量
处理：重新调查或剔除该样本

5.2 Better-Worse系数解读

Better系数（SI）：

取值范围：0 到 1
SI > 0.5：提供该功能对满意度提升作用显著，应优先实现
0.3 < SI ≤ 0.5：提供该功能有一定的满意度提升作用
SI ≤ 0.3：提供该功能对满意度提升作用较小

Worse系数（DSI）：

取值范围：-1 到 0
|DSI| > 0.5：不提供该功能会导致显著不满，必须实现
0.3 < |DSI| ≤ 0.5：不提供该功能会导致一定程度的不满
|DSI| ≤ 0.3：不提供该功能对不满意度影响较小

5.3 KANO四分图解读

KANO四分图以Better系数为Y轴，Worse系数绝对值为X轴，将各功能定位在四个象限中：

右上象限（高Better，高|Worse|）：

特征：提供会大幅提升满意度，不提供会导致显著不满
类型：通常是期望属性（O）或魅力属性（A）
优先级：最高优先级，强烈建议实现

左上象限（高Better，低|Worse|）：

特征：提供会提升满意度，但不提供不会引起太大不满
类型：通常是魅力属性（A）
优先级：差异化优势，建议实现以获得竞争优势

右下象限（低Better，高|Worse|）：

特征：提供不会显著提升满意度，但不提供会引起不满
类型：通常是必备属性（M）
优先级：中优先级，必须满足基本要求

左下象限（低Better，低|Worse|）：

特征：提供与否对满意度影响都不大
类型：通常是无差异属性（I）
优先级：低优先级，可以暂缓或不实现

6. 应用场景

6.1 产品功能优先级排序

场景描述：某软件公司开发新版本产品，有20个候选功能，但资源有限，需要确定哪些功能优先开发。

应用方法：

设计KANO问卷，包含20个功能的正向和反向问题
向目标用户发放问卷，收集至少100份有效问卷
使用KANO模型分析，确定各功能的属性分类
根据Better-Worse系数和四分图，制定开发优先级

决策建议：

优先开发右上象限的功能（高满意度提升 + 高不满消除）
其次开发左上象限的功能（差异化优势）
确保右下象限的功能得到满足（基本要求）
暂缓或放弃左下象限的功能（低优先级）

6.2 服务质量改进

场景描述：某酒店希望提升客户满意度，需要确定在哪些服务方面进行改进。

应用方法：

列出酒店的各项服务（如客房清洁、前台服务、餐饮质量等）
设计KANO问卷，调查客户对各项服务的期望
分析各服务的KANO属性和Better-Worse系数
制定服务改进计划

决策建议：

必备属性（M）：必须达到基本标准，如客房清洁
期望属性（O）：持续改进，如餐饮质量
魅力属性（A）：创新服务，如个性化欢迎礼品

6.3 用户需求演变追踪

场景描述：某电商平台每年进行一次KANO分析，追踪用户需求的变化。

应用方法：

每年对相同的功能进行KANO分析
比较不同年份的KANO分类变化
识别从魅力属性转变为期望属性或必备属性的功能
及时调整产品策略

典型演变路径：

魅力属性（A）→ 期望属性（O）→ 必备属性（M）
示例：智能手机的指纹识别功能
- 2013年：魅力属性（新鲜感）
- 2015年：期望属性（希望有）
- 2018年：必备属性（必须有）

7. 常见问题

7.1 如何确定样本量？

问：KANO分析需要多少份问卷？

答：

最小样本量：建议至少100份有效问卷
推荐样本量：
- 小型研究：100-200份
- 中型研究：200-500份
- 大型研究：500份以上
样本量考虑因素：
- 目标用户群体的多样性
- 功能数量（功能越多，建议样本量越大）
- 统计显著性要求
样本代表性：
- 比样本量更重要的是样本的代表性
- 确保样本覆盖主要的用户群体
- 避免样本偏差

7.2 如何处理可疑结果（Q）？

问：分析结果中出现较多Q（可疑结果），应该如何处理？

答：

原因分析：
- 问卷设计不清晰，受访者理解有误
- 受访者填写不认真，随意作答
- 功能描述存在歧义
- 正向和反向问题设计不对称
处理方法：
- 检查问卷设计，优化问题表述
- 剔除明显不认真的问卷
- 如果某功能Q比例过高（>20%），考虑重新设计该问题
- 在分析时可以将Q归入无差异属性（I）
预防措施：
- 问卷发放前进行小规模预测试
- 向受访者明确说明答题规则
- 设置答题时间限制，避免过快完成

7.3 同一功能被分类为不同属性怎么办？

问：为什么同一功能在不同样本中被分类为不同的KANO属性？

答：这是正常现象，原因包括：

用户异质性：
- 不同用户对同一功能的期望不同
- 不同细分市场的需求差异
处理方法：
- 采用"多数原则"：选择出现频率最高的属性作为主要分类
- 查看属性分布：如果分布较为分散，说明用户需求多样化
- 进行用户细分：按人口统计特征或使用行为细分后再分析
决策建议：
- 如果主要属性占比 > 50%，按主要属性制定策略
- 如果属性分布较均匀，考虑提供可选功能或个性化设置

7.4 Better-Worse系数如何应用？

问：Better系数和Worse系数应该如何结合使用？

答：

四分图分析：
- 将Better系数作为Y轴，|Worse|系数作为X轴
- 根据功能在四分图中的位置确定优先级
优先级矩阵：

Better系数	\|Worse\|系数高	\|Worse\|系数低
高	最高优先级（必须实现）	差异化优势（建议实现）
低	基本要求（必须满足）	低优先级（可暂缓）

资源分配：
- 优先投入资源到右上象限的功能
- 确保右下象限的功能达到基本标准
- 根据资源情况选择性实现左上象限的功能

7.5 KANO分类会随时间变化吗？

问：KANO分类是固定的吗？

答： 不是固定的，KANO分类会随时间和市场环境变化：

典型演变路径：
- 魅力属性（A）→ 期望属性（O）→ 必备属性（M）
- 这是最常见的演变路径
演变原因：
- 竞争对手的跟进
- 用户期望的提升
- 技术的普及
- 市场标准的变化
应对策略：
- 定期进行KANO分析（建议每年一次）
- 持续创新，开发新的魅力属性
- 及时将期望属性转化为必备属性
- 关注竞争对手的动态
实例：
- 智能手机的触摸屏：A（2007年）→ O（2010年）→ M（2012年）
- 电商的包邮服务：A（2010年）→ O（2013年）→ M（2016年）

7.6 如何设计有效的KANO问卷？

问：设计KANO问卷时有哪些技巧？

答：

功能选择：
- 选择对用户有实际意义的功能
- 避免过于细节或过于宏观
- 功能之间相互独立，避免重叠
问题表述：
- 使用简单、清晰的语言
- 避免专业术语或行业黑话
- 确保正向和反向问题对称
问卷结构：
- 先说明答题规则和选项含义
- 正向和反向问题可以分开或交叉排列
- 控制问卷长度，避免受访者疲劳
预测试：
- 发放正式问卷前进行小规模预测试
- 收集受访者的反馈意见
- 根据预测试结果优化问卷
示例问题：
- 正向：“如果手机具有人脸识别功能，您会有什么感受？”
- 反向：“如果手机没有人脸识别功能，您会有什么感受？”

8. 应用示例

8.1 在线教育平台功能优化

研究背景：某在线教育平台计划升级，有15个候选功能，需要确定开发优先级。

研究步骤：

设计KANO问卷，包含15个功能的正向和反向问题
向300名用户发放问卷，回收有效问卷280份
使用KANO模型分析各功能属性

分析结果：

必备属性（M）：视频播放流畅、课程内容完整
期望属性（O）：课后习题、学习进度跟踪
魅力属性（A）：AI智能答疑、个性化学习路径推荐
无差异属性（I）：学习勋章、社区讨论

决策建议：

优先确保视频播放流畅和课程内容完整（M）
重点开发课后习题和学习进度跟踪（O）
投入资源开发AI智能答疑（A，差异化优势）
暂缓学习勋章和社区讨论功能（I）

8.2 酒店服务质量提升

研究背景：某连锁酒店希望提升客户满意度，对12项服务进行KANO分析。

研究步骤：

列出12项服务（客房清洁、前台服务、早餐质量等）
向500名住客发放问卷，回收有效问卷468份
分析各服务的KANO属性和Better-Worse系数

分析结果：

服务项目	KANO分类	Better系数	Worse系数	优先级
客房清洁	M	0.35	-0.78	必须满足
床品舒适度	M	0.42	-0.72	必须满足
前台服务	O	0.68	-0.55	高
早餐质量	O	0.71	-0.48	高
免费WiFi	M	0.28	-0.81	必须满足
个性化欢迎礼品	A	0.82	-0.15	差异化
智能客房控制	A	0.76	-0.12	差异化
24小时送餐	O	0.58	-0.42	中

改进策略：

基础保障：确保客房清洁、床品舒适度、WiFi达标
持续改进：提升前台服务和早餐质量
创新服务：推出个性化欢迎礼品和智能客房控制
资源分配：优先投入到Better系数高的项目